CN113052685A - 一种交易处理方法及装置 - Google Patents

Abstract

本发明公开了一种交易处理方法及装置，可以获得客户输入的交易请求指令，交易请求指令中携带有交易请求信息，将交易请求信息输入至训练好的交易识别模型，获得交易识别模型输出的目标交易，确定目标交易匹配的至少一个交易要素，获得客户分别针对各交易要素反馈的要素填充信息，按照要素填充信息，对目标交易进行办理。本发明可以使得网点机器人能有效识别客户的交易意图，对客户需求的目标交易进行处理，为客户解决交易需求，可以减少处理交易对于人力资源的消耗。

Description

一种交易处理方法及装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种交易处理方法及装置。

背景技术

随着智能科学技术的提高，银行对于网点机器人的部署及应用范围不断扩大。

网点机器人可以在与客户闲聊和协助解答客户问题的基础上，办理客户提出的交易请求，解决客户需求。

但是，当前的网点机器人的交易处理能力较低。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的交易处理方法及装置，技术方案如下：

一种交易处理方法，应用于网点机器人，所述方法包括：

获得客户输入的交易请求指令，所述交易请求指令中携带有交易请求信息；

将所述交易请求信息输入至训练好的交易识别模型，获得所述交易识别模型输出的目标交易；

确定所述目标交易匹配的至少一个交易要素；

获得客户分别针对各所述交易要素反馈的要素填充信息；

按照所述要素填充信息，对所述目标交易进行办理。

可选的，所述获得客户分别针对各所述交易要素反馈的要素填充信息，包括：

获得客户分别针对各所述交易要素反馈的交易过程信息；

分别将各所述交易过程信息输入至训练好的信息提取模型中，获得所述信息提取模型输出的与目标交易要素匹配的要素填充信息。

可选的，当所述交易请求指令为语音指令时，在所述将所述交易请求信息输入至训练好的交易识别模型之前，所述方法还包括：

对所述交易请求指令进行语音识别，将语音识别所获得的文本确定为所述交易请求信息。

可选的，所述方法还包括：

在柜员通过所述网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，所述客户反馈信息为客户针对第一交易要素反馈的交易过程信息，所述第一交易要素为所述第一交易匹配的交易要素；

将标记有所述目标要素填充信息的所述客户反馈信息，确定为所述信息提取模型的训练样本；

使用所述训练样本对所述信息提取模型进行训练，以获得训练好的所述信息提取模型。

可选的，所述方法还包括：

在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

对所述客户请求信息和所述柜员操作轨迹进行数据打标，将进行数据打标后的所述客户请求信息和所述柜员操作轨迹，确定为所述交易识别模型的训练样本；

使用所述训练样本对所述交易识别模型进行训练，以获得训练好的所述交易识别模型。

一种交易处理装置，应用于网点机器人，所述装置包括：第一获得单元、第一输入单元、第二获得单元、第一确定单元、第三获得单元和办理单元，其中：

所述第一获得单元，被配置为执行：获得客户输入的交易请求指令，所述交易请求指令中携带有交易请求信息；

所述第一输入单元，被配置为执行：将所述交易请求信息输入至训练好的交易识别模型；

所述第二获得单元，被配置为执行：获得所述交易识别模型输出的目标交易；

所述第一确定单元，被配置为执行：确定所述目标交易匹配的至少一个交易要素；

所述第三获得单元，被配置为执行：获得客户分别针对各所述交易要素反馈的要素填充信息；

所述办理单元，被配置为执行：按照所述要素填充信息，对所述目标交易进行办理。

可选的，所述第三获得单元，包括：第四获得单元、第二输入单元和第五获得单元，其中：

所述第四获得单元，被配置为执行：获得客户分别针对各所述交易要素反馈的交易过程信息；

所述第二输入单元，被配置为执行：分别将各所述交易过程信息输入至训练好的信息提取模型中；

所述第五获得单元，被配置为执行：获得所述信息提取模型输出的与目标交易要素匹配的要素填充信息。

可选的，当所述交易请求指令为语音指令时，所述装置还包括：语音识别单元和第二确定单元，其中：

所述语音识别单元，被配置为执行：在所述将所述交易请求信息输入至训练好的交易识别模型之前，对所述交易请求指令进行语音识别；

所述第二确定单元，被配置为执行：将语音识别所获得的文本确定为所述交易请求信息。

可选的，所述装置还包括：第六获得单元、第三确定单元和第一训练单元，其中：

所述第六获得单元，被配置为执行：在柜员通过所述网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，所述客户反馈信息为客户针对第一交易要素反馈的交易过程信息，所述第一交易要素为所述第一交易匹配的交易要素；

所述第三确定单元，被配置为执行：将标记有所述目标要素填充信息的所述客户反馈信息，确定为所述信息提取模型的训练样本；

所述第一训练单元，被配置为执行：使用所述训练样本对所述信息提取模型进行训练，以获得训练好的所述信息提取模型。

可选的，其特征在于，所述装置还包括：收集单元、数据打标单元、第四确定单元和第二训练单元，其中：

所述收集单元，被配置为执行：在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

所述数据打标单元，被配置为执行：对所述客户请求信息和所述柜员操作轨迹进行数据打标；

所述第四确定单元，被配置为执行：将进行数据打标后的所述客户请求信息和所述柜员操作轨迹，确定为所述交易识别模型的训练样本；

所述第二训练单元，被配置为执行：使用所述训练样本对所述交易识别模型进行训练，以获得训练好的所述交易识别模型。

本实施例提出的交易处理方法及装置，可以获得客户输入的交易请求指令，交易请求指令中携带有交易请求信息，将交易请求信息输入至训练好的交易识别模型，获得交易识别模型输出的目标交易，确定目标交易匹配的至少一个交易要素，获得客户分别针对各交易要素反馈的要素填充信息，按照要素填充信息，对目标交易进行办理。本发明可以使得网点机器人能有效识别客户的交易意图，对客户需求的目标交易进行处理，为客户解决交易需求，可以减少处理交易对于人力资源的消耗。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本发明实施例提供的第一种交易处理方法的流程图；

图2示出了本发明实施例提供的第二种交易处理方法的流程图；

图3示出了本发明实施例提供的第三种交易处理方法的流程图；

图4示出了本发明实施例提供的第四种交易处理方法的流程图；

图5示出了本发明实施例提供的第一种交易处理装置的结构示意图；

图6示出了本发明实施例提供的第二种交易处理装置的结构示意图；

图7示出了本发明实施例提供的第三种交易处理装置的结构示意图；

图8示出了本发明实施例提供的第四种交易处理装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

如图1所示，本实施例提出了第一种交易处理方法，可以应用于网点机器人，该方法可以包括以下步骤：

S101、获得客户输入的交易请求指令，交易请求指令中携带有交易请求信息；

其中，网点机器人可以为银行网点部署的交易处理设备。

其中，交易请求指令可以是用于请求网点机器人办理某个类型的交易的指令。

具体的，交易请求指令可以是客户输入的语音指令，也可以是客户通过在网点机器人的界面上进行触屏操作所输入的指令，也可以是客户在与网点机器人连接的电子设备(如使用手机扫码连接网点机器人)上进行操作所输入网点机器人的指令，本发明对此不做限定。

其中，交易请求信息可以是携带有客户意图办理的类型的交易的信息。比如，当客户意图办理“挂失补卡”的交易时，交易请求信息中可以包括“挂失补卡”。

可以理解的是，本发明网点机器人可以在接收到交易请求指令后，根据交易请求指令中携带的交易请求信息，识别出客户意图办理的某个类型的交易。

需要说明的是，本发明对于交易的类型不做具体限定。比如，交易的类型可以包括有挂失补卡、贷款、公积金提取和金融产品的购买等。

S102、将交易请求信息输入至训练好的交易识别模型；

其中，交易识别模型为可以根据输入的交易请求信息，识别出客户意图办理的交易的模型。

需要说明的是，本发明可以在人工为客户办理交易的过程中，对客户反馈信息和人工操作轨迹进行记录，采集用于对交易识别模型的训练样本和测试样本，对交易识别模型进行训练和测试，在训练好交易识别模型后，再使用训练好的交易识别模型来对客户的交易意图，即客户意图办理的交易进行识别。

其中，本发明对于交易识别模型的模型类别不做限定。比如，交易识别模型可以为深度神经网络模型，也可以为基于奇异值分解(Singular value decomposition，SVD)算法的模型。

其中，本发明在对交易识别模型进行训练的过程中，可以使用多种类型的交易的相关训练样本对交易识别模型进行训练，使得交易识别模型可以具备对多种类型的交易进行识别的能力。

S103、获得交易识别模型输出的目标交易；

具体的，本发明可以在将交易请求信息输入至交易识别模型后，获得交易识别模型根据交易请求信息输出的目标交易。

S104、确定目标交易匹配的至少一个交易要素；

其中，交易要素可以为在办理某个交易的过程中需要确定信息的信息项。比如，当目标交易为“挂失补卡”时，目标交易匹配的交易要素可以包括客户身份信息和卡密码等。

可以理解的是，一个交易匹配的交易要素可以是一个，也可以是多个。

S105、获得客户分别针对各交易要素反馈的要素填充信息；

其中，要素填充信息可以为交易要素的信息值。比如，当交易要素为客户身份信息时，要素填充信息可以为客户的姓名和身份证号。

具体的，本发明可以在确定目标交易匹配的交易要素后，提醒客户针对交易要素反馈相应的要素填充信息。可选的，本发明可以通过语音提醒和文字弹窗等方式提醒客户反馈相应的要素填充信息。

可选的，本发明可以在确定目标交易匹配的某个交易要素后，即提醒客户针对该交易要素反馈相应的要素填充信息；本发明也可以在确定目标交易匹配的各个交易要素后，再提醒客户针对各交易要素反馈相应的要素填充信息。

具体的，本发明可以获得客户分别针对各交易要素反馈的要素填充信息。比如，当目标交易的交易要素包括有第一交易要素和第二交易要素时，本发明可以获得客户针对第一交易要素反馈的要素填充信息，获得客户针对第二交易要素反馈的要素填充信息。

可以理解的是，客户可以通过语音输入、文字输入和信息选择等方式，来针对交易要素反馈相应的要素填充信息。

S106、按照要素填充信息，对目标交易进行办理。

具体的，本发明可以在接收到客户针对各交易要素反馈的要素填充信息后，发起对目标交易的处理。比如，当目标交易为“挂失补卡”，目标交易匹配的交易要素为客户身份信息时，本发明在接收到客户针对交易要素反馈的姓名和身份证号后，发起对客户的银行卡进行挂失补卡的处理。

需要说明的是，网点机器人可以在获得客户输入的交易请求指令后，调用交易识别模型从交易请求指令中识别出客户意图发起的目标交易，确定目标交易匹配的交易要素，之后获得客户针对交易要素反馈的要素填充信息，根据要素填充信息对目标交易进行办理，解决客户交易需求。本发明网点机器人可以有效识别客户的交易意图，并对客户需求的目标交易进行处理，为客户解决交易需求，可以减少处理交易对于人力资源的消耗。

本实施例提出的交易处理方法，可以获得客户输入的交易请求指令，交易请求指令中携带有交易请求信息，将交易请求信息输入至训练好的交易识别模型，获得交易识别模型输出的目标交易，确定目标交易匹配的至少一个交易要素，获得客户分别针对各交易要素反馈的要素填充信息，按照要素填充信息，对目标交易进行办理。本发明可以使得网点机器人能有效识别客户的交易意图，对客户需求的目标交易进行处理，为客户解决交易需求，可以减少处理交易对于人力资源的消耗。

基于图1所示的步骤，本实施例提出另一种交易处理方法。在该方法中，当交易请求指令为语音指令时，该方法在步骤S102之前，还可以包括：

对交易请求指令进行语音识别，将语音识别所获得的文本确定为交易请求信息。

具体的，当交易请求指令为语音指令时，本发明可以使用语音识别技术，将交易请求指令的语音信息转换为相应的文本，并将转换得到的文本确定为交易请求信息。

需要说明的是，本发明网点机器人可以通过语音识别技术，为客户提供语音办理交易的渠道，实现功能多样性和业务丰富性。

本实施例提出的交易处理方法，可以在交易请求指令为语音指令时，使用语音识别技术，将交易请求指令的语音信息转换为相应的文本，并将转换得到的文本确定为交易请求信息。本发明可以通过语音识别技术，为客户提供语音办理交易的渠道，实现功能多样性和业务丰富性。

基于图1所示的步骤，如图2所示，本实施例提出第二种交易处理方法，该方法还可以包括以下步骤：

S201、在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

需要说明的是，本发明可以在柜员为客户办理交易的过程中，收集交易识别模型的训练样本。

其中，客户请求信息即可以为交易请求指令中携带的交易请求信息。

其中，柜员操作轨迹可以为柜员在网点机器人上的操作流程，可以包括柜员响应客户请求信息所点击或者打开的交易(该交易即可以为客户意图办理的交易)。

具体的，本发明可以在柜员通过网点机器人接收客户输入的交易指令时，对应记录客户请求信息和柜员操作轨迹，将柜员操作轨迹标记为客户请求信息对应的交易需求。比如，在柜员通过网点机器人接收客户输入的“挂失补卡”的交易请求指令(如语音和文本等)时，柜员可以在网点机器人上打开“交易制式卡挂失补办”的交易办理页面，此时，本发明可以对应记录“挂失补卡”与“交易制式卡挂失补办”，将“交易制式卡挂失补办”标记为“挂失补卡”。

可以理解的是，本发明可以将标记的客户请求信息作为交易识别模型的训练样本。

其中，本发明可以收集多个标记好交易需求的客户请求信息，即收集多个训练样本，对交易识别模型进行训练，提高训练效果和保证交易识别模型的识别准确率。

S202、对客户请求信息和柜员操作轨迹进行数据打标；

其中，数据打标即可以为上述对客户请求信息进行标记的处理过程。

S203、将进行数据打标后的客户请求信息和柜员操作轨迹，确定为交易识别模型的训练样本；

其中，本发明可以将标记好交易需求的客户请求信息确定为交易识别模型的训练样本。

S204、使用训练样本对交易识别模型进行训练，以获得训练好的交易识别模型。

具体的，本发明可以使用收集的训练样本对交易识别模型进行训练，直至获得满足准确率要求的交易识别模型。

需要说明的是，本发明可以在实际工作过程中，即客户通过网点机器人请求交易办理时，对交易识别模型的训练样本进行收集，可以提高训练样本的有效性，从而可以提高交易识别模型的识别准确率。

可选的，交易识别模型的训练样本也可以由技术人员对客户请求交易办理的过程进行模拟，并相应制作交易识别模型的训练样本。

还需要说明的是，本发明可以在通过步骤S201、S202、S203和S204训练好交易识别模型后，再使用训练好的交易识别模型来对客户的交易意图进行识别(如图2所示)；本发明也可以在应用训练好的交易识别模型为客户办理交易期间，执行步骤S201、S202、S203和S204，保持对训练样本的收集和对交易识别模型进行训练，保证和进一步提高交易识别模型的性能。

本实施例提出的交易处理方法，可以在客户通过网点机器人请求交易办理时，对交易识别模型的训练样本进行收集，提高训练样本的有效性，从而可以提高交易识别模型的识别准确率。

基于图1所示的步骤，如图3所示，本实施例提出第三种交易处理方法。在该方法中，上述步骤S105可以包括：

S301、获得客户分别针对各交易要素反馈的交易过程信息；

其中，交易过程信息可以为客户针对某个交易要素所反馈的信息。

需要说明的是，客户在针对交易要素反馈要素填充信息时，可能不会直接或者是仅仅反馈要素填充信息，而是将要素填充信息携带在一段信息(如语音或者文本)即交易过程信息中进行反馈。比如，客户在反馈“挂失补卡”所需的客户身份信息时，可能不会仅反馈其姓名，而是会反馈“我的姓名为xxx”。此时，本发明可以从交易过程信息中提取出需要的要素填充信息。

具体的，本发明可以获得客户分别针对各交易要素反馈相应的交易过程信息。比如，当交易要素包括第一交易要素和第二交易要素时，本发明可以获得客户针对第一交易要素反馈的交易过程信息，可以获得客户针对第二交易要素反馈的交易过程信息。

S302、分别将各交易过程信息输入至训练好的信息提取模型中；

其中，信息提取模型为可以从客户针对交易要素反馈的交易过程信息中提取出要素填充信息的模型。

需要说明的是，本发明对于信息提取模型的模型类别不做限定。比如，信息提取模型可以为深度神经网络模型。

具体的，本发明可以分别将客户针对交易要素反馈的各交易过程信息输入至训练好的信息提取模型中。比如，当客户针对交易要素反馈的交易过程信息包括第一交易过程信息和第二交易过程信息时，本发明可以先行将第一交易过程信息输入至训练好的信息提取模型中，之后将第二交易过程信息输入至训练好的信息提取模型中。

S303、获得信息提取模型输出的与目标交易要素匹配的要素填充信息。

具体的，本发明可以在将客户针对交易要素反馈的交易过程信息输入至信息提取模型后，获得信息提取模型根据输入的交易过程信息所输出的要素填充信息。

需要说明的是，本发明利用信息提取模型，从客户针对交易要素反馈的交易过程信息中提取出要素填充信息，可以有效提高获取要素填充信息的准确性，从而提高对目标交易的处理效率。

可以理解的是，图2所示步骤对应的技术方案可以应用于在图3所示方法中。

本实施例提出的交易处理方法，可以利用信息提取模型，从客户针对交易要素反馈的交易过程信息中提取出要素填充信息，有效提高获取要素填充信息的准确性，从而提高对目标交易的处理效率。

基于图3所示的步骤，如图4所示，本实施例提出第四种交易处理方法。该方法还可以包括：

S401、在柜员通过网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，客户反馈信息为客户针对第一交易要素反馈的交易过程信息，第一交易要素为第一交易匹配的交易要素；

其中，第一交易可以为由客户请求办理的某个交易。

需要说明的是，柜员在通过网点机器人办理第一交易的过程中，可以向客户询问第一交易的交易要素匹配的要素填充信息，在获得客户反馈信息后，可以从客户反馈信息中提取出需要的要素填充信息，即目标要素填充信息，将目标要素填充信息填充至相应的信息栏或者选项中，以启动对第一交易的办理。

具体的，本发明可以在柜员通过网点机器人办理第一交易的过程中，按照发生时间的先后顺序，全程对柜员向客户询问的信息、客户反馈信息和柜员操作轨迹进行记录，并记录柜员从客户反馈信息中提取出的目标要素填充信息。

需要说明的是，本发明可以将柜员在第一交易的交易要素中填充的信息，即确定为柜员从客户反馈信息中提取出的目标要素填充信息。

其中，如果客户反馈信息为语音，则本发明可以采用语音识别技术将其转换为相应的文本并进行记录。

S402、将标记有目标要素填充信息的客户反馈信息，确定为信息提取模型的训练样本；

具体的，本发明可以使用柜员从客户反馈信息中提取出的目标要素填充信息，对客户反馈信息进行标记，并将标记有目标要素填充信息的客户反馈信息，确定为信息提取模型的训练样本。

可以理解的是，本发明可以按照步骤S401和S402，获得多个训练样本。

S403、使用训练样本对信息提取模型进行训练，以获得训练好的信息提取模型。

具体的，本发明可以使用训练样本，即标记有目标要素填充信息的客户反馈信息，对信息提取模型进行训练。

需要说明的是，本发明可以收集多个标记好目标要素填充信息的客户反馈信息，即收集多个训练样本，对信息提取模型进行训练，提高训练效果和保证信息提取模型的信息提取准确率。

可选的，信息提取模型的训练样本也可以由技术人员对交易办理过程进行模拟，并相应制作信息提取模型的训练样本。

还需要说明的是，本发明可以在通过步骤S401、S402和S403训练好信息提取模型后，使用训练好的信息提取模型来从客户反馈信息中提取要素填充信息(如图4所示)；本发明也可以在应用训练好的信息提取模型为客户办理交易期间，执行步骤S401、S402和S403，保持对训练样本的收集和对信息提取模型进行训练，保证和进一步提高信息提取模型的性能。

可以理解的是，图2所示步骤也可以应用于图4所示方法中。

本实施例提出的交易处理方法，可以在柜员通过网点机器人为客户进行交易办理时，对信息提取模型的训练样本进行收集，提高训练样本的有效性，从而可以提高信息提取模型的信息提取准确率。

与图1所示方法相对应，如图5所示，本实施例提出第一种交易处理装置，可以应用于网点机器人，该装置可以包括：第一获得单元101、第一输入单元102、第二获得单元103、第一确定单元104、第三获得单元105和办理单元106，其中：

第一获得单元101，被配置为执行：获得客户输入的交易请求指令，交易请求指令中携带有交易请求信息；

其中，网点机器人可以为银行网点部署的交易处理设备。

其中，交易请求指令可以是用于请求网点机器人办理某个类型的交易的指令。

具体的，交易请求指令可以是客户输入的语音指令，也可以是客户通过在网点机器人的界面上进行触屏操作所输入的指令，也可以是客户在与网点机器人连接的电子设备(如使用手机扫码连接网点机器人)上进行操作所输入网点机器人的指令，本发明对此不做限定。

其中，交易请求信息可以是携带有客户意图办理的类型的交易的信息。比如，当客户意图办理“挂失补卡”的交易时，交易请求信息中可以包括“挂失补卡”。

可以理解的是，本发明网点机器人可以在接收到交易请求指令后，根据交易请求指令中携带的交易请求信息，识别出客户意图办理的某个类型的交易。

需要说明的是，本发明对于交易的类型不做具体限定。比如，交易的类型可以包括有挂失补卡、贷款、公积金提取和金融产品的购买等。

第一输入单元102，被配置为执行：将交易请求信息输入至训练好的交易识别模型；

其中，交易识别模型为可以根据输入的交易请求信息，识别出客户意图办理的交易的模型。

需要说明的是，本发明可以在人工为客户办理交易的过程中，对客户反馈信息和人工操作轨迹进行记录，采集用于对交易识别模型的训练样本和测试样本，对交易识别模型进行训练和测试，在训练好交易识别模型后，再使用训练好的交易识别模型来对客户的交易意图，即客户意图办理的交易进行识别。

其中，本发明对于交易识别模型的模型类别不做限定。比如，交易识别模型可以为深度神经网络模型，也可以为基于奇异值分解SVD算法的模型。

其中，本发明在对交易识别模型进行训练的过程中，可以使用多种类型的交易的相关训练样本对交易识别模型进行训练，使得交易识别模型可以具备对多种类型的交易进行识别的能力。

第二获得单元103，被配置为执行：获得交易识别模型输出的目标交易；

具体的，本发明可以在将交易请求信息输入至交易识别模型后，获得交易识别模型根据交易请求信息输出的目标交易。

第一确定单元104，被配置为执行：确定目标交易匹配的至少一个交易要素；

其中，交易要素可以为在办理某个交易的过程中需要确定信息的信息项。比如，当目标交易为“挂失补卡”时，目标交易匹配的交易要素可以包括客户身份信息和卡密码等。

可以理解的是，一个交易匹配的交易要素可以是一个，也可以是多个。

第三获得单元105，被配置为执行：获得客户分别针对各交易要素反馈的要素填充信息；

其中，要素填充信息可以为交易要素的信息值。比如，当交易要素为客户身份信息时，要素填充信息可以为客户的姓名和身份证号。

具体的，本发明可以在确定目标交易匹配的交易要素后，提醒客户针对交易要素反馈相应的要素填充信息。可选的，本发明可以通过语音提醒和文字弹窗等方式提醒客户反馈相应的要素填充信息。

可选的，本发明可以在确定目标交易匹配的某个交易要素后，即提醒客户针对该交易要素反馈相应的要素填充信息；本发明也可以在确定目标交易匹配的各个交易要素后，再提醒客户针对各交易要素反馈相应的要素填充信息。

具体的，本发明可以获得客户分别针对各交易要素反馈的要素填充信息。比如，当目标交易的交易要素包括有第一交易要素和第二交易要素时，本发明可以获得客户针对第一交易要素反馈的要素填充信息，获得客户针对第二交易要素反馈的要素填充信息。

可以理解的是，客户可以通过语音输入、文字输入和信息选择等方式，来针对交易要素反馈相应的要素填充信息。

办理单元106，被配置为执行：按照要素填充信息，对目标交易进行办理。

具体的，本发明可以在接收到客户针对各交易要素反馈的要素填充信息后，发起对目标交易的处理。比如，当目标交易为“挂失补卡”，目标交易匹配的交易要素为客户身份信息时，本发明在接收到客户针对交易要素反馈的姓名和身份证号后，发起对客户的银行卡进行挂失补卡的处理。

本实施例提出的交易处理装置，可以使得网点机器人能有效识别客户的交易意图，对客户需求的目标交易进行处理，为客户解决交易需求，可以减少处理交易对于人力资源的消耗。

基于图5所示的结构示意图，本实施例提出另一种交易处理装置。在该装置中，当交易请求指令为语音指令时，装置还可以包括：语音识别单元和第二确定单元，其中：

语音识别单元，被配置为执行：在将交易请求信息输入至训练好的交易识别模型之前，对交易请求指令进行语音识别；

第二确定单元，被配置为执行：将语音识别所获得的文本确定为交易请求信息。

具体的，当交易请求指令为语音指令时，本发明可以使用语音识别技术，将交易请求指令的语音信息转换为相应的文本，并将转换得到的文本确定为交易请求信息。

需要说明的是，本发明网点机器人可以通过语音识别技术，为客户提供语音办理交易的渠道，实现功能多样性和业务丰富性。

本实施例提出的交易处理装置，可以在交易请求指令为语音指令时，使用语音识别技术，将交易请求指令的语音信息转换为相应的文本，并将转换得到的文本确定为交易请求信息。本发明可以通过语音识别技术，为客户提供语音办理交易的渠道，实现功能多样性和业务丰富性。

基于图5所示的结构示意图，如图6所示，本实施例提出第二种交易处理装置，该装置还可以包括：收集单元201、数据打标单元202、第四确定单元203和第二训练单元204，其中：

收集单元201，被配置为执行：在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

需要说明的是，本发明可以在柜员为客户办理交易的过程中，收集交易识别模型的训练样本。

其中，客户请求信息即可以为交易请求指令中携带的交易请求信息。

其中，柜员操作轨迹可以为柜员在网点机器人上的操作流程，可以包括柜员响应客户请求信息所点击或者打开的交易(该交易即可以为客户意图办理的交易)。

具体的，本发明可以在柜员通过网点机器人接收客户输入的交易指令时，对应记录客户请求信息和柜员操作轨迹，将柜员操作轨迹标记为客户请求信息对应的交易需求。比如，在柜员通过网点机器人接收客户输入的“挂失补卡”的交易请求指令(如语音和文本等)时，柜员可以在网点机器人上打开“交易制式卡挂失补办”的交易办理页面，此时，本发明可以对应记录“挂失补卡”与“交易制式卡挂失补办”，将“交易制式卡挂失补办”标记为“挂失补卡”。

可以理解的是，本发明可以将标记的客户请求信息作为交易识别模型的训练样本。

其中，本发明可以收集多个标记好交易需求的客户请求信息，即收集多个训练样本，对交易识别模型进行训练，提高训练效果和保证交易识别模型的识别准确率。

数据打标单元202，被配置为执行：对客户请求信息和柜员操作轨迹进行数据打标；

其中，数据打标即可以为上述对客户请求信息进行标记的处理过程。

第四确定单元203，被配置为执行：将进行数据打标后的客户请求信息和柜员操作轨迹，确定为交易识别模型的训练样本；

其中，本发明可以将标记好交易需求的客户请求信息确定为交易识别模型的训练样本。

第二训练单元204，被配置为执行：使用训练样本对交易识别模型进行训练，以获得训练好的交易识别模型。

具体的，本发明可以使用收集的训练样本对交易识别模型进行训练，直至获得满足准确率要求的交易识别模型。

需要说明的是，本发明可以在实际工作过程中，即客户通过网点机器人请求交易办理时，对交易识别模型的训练样本进行收集，可以提高训练样本的有效性，从而可以提高交易识别模型的识别准确率。

可选的，交易识别模型的训练样本也可以由技术人员对客户请求交易办理的过程进行模拟，并相应制作交易识别模型的训练样本。

本实施例提出的交易处理装置，可以在客户通过网点机器人请求交易办理时，对交易识别模型的训练样本进行收集，提高训练样本的有效性，从而可以提高交易识别模型的识别准确率。

基于图5所示的结构示意图，如图7所示，本实施例提出第三种交易处理装置。在该装置中，第三获得单元105，可以包括：第四获得单元301、第二输入单元302和第五获得单元303，其中：

第四获得单元301，被配置为执行：获得客户分别针对各交易要素反馈的交易过程信息；

其中，交易过程信息可以为客户针对某个交易要素所反馈的信息。

需要说明的是，客户在针对交易要素反馈要素填充信息时，可能不会直接或者是仅仅反馈要素填充信息，而是将要素填充信息携带在一段信息(如语音或者文本)即交易过程信息中进行反馈。

具体的，本发明可以获得客户分别针对各交易要素反馈相应的交易过程信息。

第二输入单元302，被配置为执行：分别将各交易过程信息输入至训练好的信息提取模型中；

其中，信息提取模型为可以从客户针对交易要素反馈的交易过程信息中提取出要素填充信息的模型。

需要说明的是，本发明对于信息提取模型的模型类别不做限定。比如，信息提取模型可以为深度神经网络模型。

具体的，本发明可以分别将客户针对交易要素反馈的各交易过程信息输入至训练好的信息提取模型中。

第五获得单元303，被配置为执行：获得信息提取模型输出的与目标交易要素匹配的要素填充信息。

具体的，本发明可以在将客户针对交易要素反馈的交易过程信息输入至信息提取模型后，获得信息提取模型根据输入的交易过程信息所输出的要素填充信息。

需要说明的是，本发明利用信息提取模型，从客户针对交易要素反馈的交易过程信息中提取出要素填充信息，可以有效提高获取要素填充信息的准确性，从而提高对目标交易的处理效率。

可以理解的是，图6所示装置对应的技术方案可以应用于在图7所示装置中。

本实施例提出的交易处理装置，可以利用信息提取模型，从客户针对交易要素反馈的交易过程信息中提取出要素填充信息，有效提高获取要素填充信息的准确性，从而提高对目标交易的处理效率。

基于图7所示的结构示意图，如图8所示，本实施例提出第四种交易处理装置。该装置还可以包括：第六获得单元401、第三确定单元402和第一训练单元403，其中：

第六获得单元401，被配置为执行：在柜员通过网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，客户反馈信息为客户针对第一交易要素反馈的交易过程信息，第一交易要素为第一交易匹配的交易要素；

其中，第一交易可以为由客户请求办理的某个交易。

需要说明的是，柜员在通过网点机器人办理第一交易的过程中，可以向客户询问第一交易的交易要素匹配的要素填充信息，在获得客户反馈信息后，可以从客户反馈信息中提取出需要的要素填充信息，即目标要素填充信息，将目标要素填充信息填充至相应的信息栏或者选项中，以启动对第一交易的办理。

具体的，本发明可以在柜员通过网点机器人办理第一交易的过程中，按照发生时间的先后顺序，全程对柜员向客户询问的信息、客户反馈信息和柜员操作轨迹进行记录，并记录柜员从客户反馈信息中提取出的目标要素填充信息。

需要说明的是，本发明可以将柜员在第一交易的交易要素中填充的信息，即确定为柜员从客户反馈信息中提取出的目标要素填充信息。

其中，如果客户反馈信息为语音，则本发明可以采用语音识别技术将其转换为相应的文本并进行记录。

第三确定单元402，被配置为执行：将标记有目标要素填充信息的客户反馈信息，确定为信息提取模型的训练样本；

具体的，本发明可以使用柜员从客户反馈信息中提取出的目标要素填充信息，对客户反馈信息进行标记，并将标记有目标要素填充信息的客户反馈信息，确定为信息提取模型的训练样本。

第一训练单元403，被配置为执行：使用训练样本对信息提取模型进行训练，以获得训练好的信息提取模型。

具体的，本发明可以使用训练样本，即标记有目标要素填充信息的客户反馈信息，对信息提取模型进行训练。

需要说明的是，本发明可以收集多个标记好目标要素填充信息的客户反馈信息，即收集多个训练样本，对信息提取模型进行训练，提高训练效果和保证信息提取模型的信息提取准确率。

可选的，信息提取模型的训练样本也可以由技术人员对交易办理过程进行模拟，并相应制作信息提取模型的训练样本。

可以理解的是，图6所示装置对应的技术方案也可以应用于图8所示装置中。

本实施例提出的交易处理装置，可以在柜员通过网点机器人为客户进行交易办理时，对信息提取模型的训练样本进行收集，提高训练样本的有效性，从而可以提高信息提取模型的信息提取准确率。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种交易处理方法，其特征在于，应用于网点机器人，所述方法包括：

获得客户输入的交易请求指令，所述交易请求指令中携带有交易请求信息；

将所述交易请求信息输入至训练好的交易识别模型，获得所述交易识别模型输出的目标交易；

确定所述目标交易匹配的至少一个交易要素；

获得客户分别针对各所述交易要素反馈的要素填充信息；

按照所述要素填充信息，对所述目标交易进行办理。

2.根据权利要求1所述的方法，其特征在于，所述获得客户分别针对各所述交易要素反馈的要素填充信息，包括：

获得客户分别针对各所述交易要素反馈的交易过程信息；

分别将各所述交易过程信息输入至训练好的信息提取模型中，获得所述信息提取模型输出的与目标交易要素匹配的要素填充信息。

3.根据权利要求1所述的方法，其特征在于，当所述交易请求指令为语音指令时，在所述将所述交易请求信息输入至训练好的交易识别模型之前，所述方法还包括：

对所述交易请求指令进行语音识别，将语音识别所获得的文本确定为所述交易请求信息。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在柜员通过所述网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，所述客户反馈信息为客户针对第一交易要素反馈的交易过程信息，所述第一交易要素为所述第一交易匹配的交易要素；

将标记有所述目标要素填充信息的所述客户反馈信息，确定为所述信息提取模型的训练样本；

使用所述训练样本对所述信息提取模型进行训练，以获得训练好的所述信息提取模型。

5.根据权利要求1至4所述的任一方法，其特征在于，所述方法还包括：

在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

对所述客户请求信息和所述柜员操作轨迹进行数据打标，将进行数据打标后的所述客户请求信息和所述柜员操作轨迹，确定为所述交易识别模型的训练样本；

使用所述训练样本对所述交易识别模型进行训练，以获得训练好的所述交易识别模型。

6.一种交易处理装置，其特征在于，应用于网点机器人，所述装置包括：第一获得单元、第一输入单元、第二获得单元、第一确定单元、第三获得单元和办理单元，其中：

所述第一获得单元，被配置为执行：获得客户输入的交易请求指令，所述交易请求指令中携带有交易请求信息；

所述第一输入单元，被配置为执行：将所述交易请求信息输入至训练好的交易识别模型；

所述第二获得单元，被配置为执行：获得所述交易识别模型输出的目标交易；

所述第一确定单元，被配置为执行：确定所述目标交易匹配的至少一个交易要素；

所述第三获得单元，被配置为执行：获得客户分别针对各所述交易要素反馈的要素填充信息；

所述办理单元，被配置为执行：按照所述要素填充信息，对所述目标交易进行办理。

7.根据权利要求6所述的装置，其特征在于，所述第三获得单元，包括：第四获得单元、第二输入单元和第五获得单元，其中：

所述第四获得单元，被配置为执行：获得客户分别针对各所述交易要素反馈的交易过程信息；

所述第二输入单元，被配置为执行：分别将各所述交易过程信息输入至训练好的信息提取模型中；

所述第五获得单元，被配置为执行：获得所述信息提取模型输出的与目标交易要素匹配的要素填充信息。

8.根据权利要求6所述的装置，其特征在于，当所述交易请求指令为语音指令时，所述装置还包括：语音识别单元和第二确定单元，其中：

所述语音识别单元，被配置为执行：在所述将所述交易请求信息输入至训练好的交易识别模型之前，对所述交易请求指令进行语音识别；

所述第二确定单元，被配置为执行：将语音识别所获得的文本确定为所述交易请求信息。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：第六获得单元、第三确定单元和第一训练单元，其中：

所述第六获得单元，被配置为执行：在柜员通过所述网点机器人办理客户请求的第一交易的过程中，获得柜员从客户反馈信息中提取的目标要素填充信息，所述客户反馈信息为客户针对第一交易要素反馈的交易过程信息，所述第一交易要素为所述第一交易匹配的交易要素；

所述第三确定单元，被配置为执行：将标记有所述目标要素填充信息的所述客户反馈信息，确定为所述信息提取模型的训练样本；

所述第一训练单元，被配置为执行：使用所述训练样本对所述信息提取模型进行训练，以获得训练好的所述信息提取模型。

10.根据权利要求6至9所述的任一装置，其特征在于，所述装置还包括：收集单元、数据打标单元、第四确定单元和第二训练单元，其中：

所述收集单元，被配置为执行：在柜员通过网点机器人接收客户输入的交易请求指令时，收集客户请求信息和柜员操作轨迹；

所述数据打标单元，被配置为执行：对所述客户请求信息和所述柜员操作轨迹进行数据打标；

所述第四确定单元，被配置为执行：将进行数据打标后的所述客户请求信息和所述柜员操作轨迹，确定为所述交易识别模型的训练样本；

所述第二训练单元，被配置为执行：使用所述训练样本对所述交易识别模型进行训练，以获得训练好的所述交易识别模型。

Images